Day 24: 箱型圖 (Box Plot) 的應用與實作

箱型圖（Box Plot），又稱盒狀圖，是用於顯示資料分佈情況的一種統計圖表。它能夠展示資料的中位數、四分位數、極端值和異常值（outliers），幫助我們直觀地了解資料的集中趨勢和變異情況。今天，我們將介紹箱型圖的應用情境，並使用 Matplotlib 和 Seaborn 進行實作。
大家一樣用昨天的檔案，先前面的程式內容全部都執行過一遍

有任何問題，都歡迎私訊我的IG
點我私訊

1. 箱型圖的應用情境

箱型圖適合用來展示以下情境的資料：

• 資料分佈：了解資料的集中趨勢、變異程度和分佈範圍，例如顯示某班級的考試成績分佈。
• 異常值檢測：檢查資料中是否存在異常值，這對於清理資料非常有用。
• 多組資料的比較：比較不同組別之間的資料分佈，例如不同地區的溫度分佈。

2. 使用 Matplotlib 繪製基本箱型圖

首先，我們使用 Matplotlib 繪製一個基本的箱型圖，來顯示花萼長度的分佈情況。

# 繪製花萼長度的箱型圖
plt.boxplot(iris_df['sepal length (cm)'])
plt.title('Box Plot of Sepal Length')
plt.ylabel('Sepal Length (cm)')
plt.show()

這段程式碼會繪製一個基本的箱型圖，展示花萼長度的分佈情況。圖中的框表示資料的四分位範圍（IQR），水平線表示中位數，上下須線表示資料的範圍，圈點則表示異常值。

3. 使用 Seaborn 繪製分組箱型圖

接下來，我們使用 Seaborn 繪製一個分組箱型圖，顯示不同花卉種類的花瓣長度分佈情況。

# 繪製分組箱型圖
sns.boxplot(x='target', y='petal length (cm)', data=iris_df)
plt.title('Box Plot of Petal Length Distribution by Flower Species')
plt.xlabel('Flower Species')
plt.ylabel('Petal Length (cm)')
plt.show()

這段程式碼使用 boxplot() 函數根據 target_0 分組，展示不同花卉種類的花瓣長度分佈情況。可以看到每個種類的中位數、四分位範圍和異常值。

4. 添加圖表元素來改進可視化效果

我們可以通過添加圖表元素（如顏色、標籤等）來改進箱型圖的可視化效果，使其更容易理解和分析。

4.1 調整顏色與樣式

# 繪製調整顏色的箱型圖
sns.boxplot(x='target', y='sepal width (cm)', data=iris_df, palette='Set3')
plt.title('Box Plot of Sepal Width Distribution by Flower Species (with Color Adjustments)')
plt.xlabel('Flower Species')
plt.ylabel('Sepal Width (cm)')
plt.show()

這段程式碼使用 palette 參數設定了箱型圖的顏色樣式，讓圖表看起來更加美觀。

4.2 添加數據點分佈

我們可以將數據點分佈疊加在箱型圖上，來更好地了解每個數據點的位置和分佈情況。

# 繪製疊加數據點的箱型圖
sns.boxplot(x='target', y='sepal length (cm)', data=iris_df, palette='Set2')
sns.stripplot(x='target', y='sepal length (cm)', data=iris_df, color='black', alpha=0.5)
plt.title('Box Plot of Sepal Length Distribution by Flower Species (with Data Points)')
plt.xlabel('Flower Species')
plt.ylabel('Sepal Length (cm)')
plt.show()

這段程式碼使用 stripplot() 函數在箱型圖上疊加了數據點，讓我們更直觀地看到每個數據點的分佈情況。

5. 繪製多變數的箱型圖

有時我們希望在一個圖表中展示多個變數的分佈情況，可以使用多變數箱型圖來比較不同變數之間的差異。

# 繪製多變數箱型圖
data_to_plot = [iris_df['sepal length (cm)'], iris_df['sepal width (cm)'], iris_df['petal length (cm)'], iris_df['petal width (cm)']]
plt.boxplot(data_to_plot, labels=['Sepal Length', 'Sepal Width', 'Petal Length', 'Petal Width'])
plt.title('Box Plot of Sepal and Petal Variables')
plt.ylabel('Length (cm)')
plt.show()

這段程式碼將花萼長度、花萼寬度、花瓣長度和花瓣寬度的資料繪製在同一個箱型圖中，以方便我們進行多變數的比較。

6. 水平箱型圖

當類別名稱較長或變數較多時，我們可以使用水平箱型圖來改進可讀性。

# 繪製水平箱型圖
sns.boxplot(x='sepal length (cm)', y='target', data=iris_df, orient='h')
plt.title('Horizontal Box Plot of Sepal Length Distribution by Flower Species')
plt.xlabel('Sepal Length (cm)')
plt.ylabel('Flower Species')
plt.show()

這段程式碼使用 orient='h' 將箱型圖水平顯示，更適合類別名稱較長的情境。

7. 小結

今天我們學習了如何使用 Matplotlib 和 Seaborn 繪製箱型圖，包括：

1. 簡單的箱型圖，用來顯示資料的集中趨勢和異常值。
2. 分組箱型圖，展示多組資料的分佈差異。
3. 改進可視化效果，例如調整顏色和疊加數據點。
4. 多變數箱型圖，用來比較不同變數的分佈情況。
5. 水平箱型圖，適合類別名稱較長的情境。

箱型圖能夠幫助我們直觀地了解資料的分佈情況和檢測異常值，在資料分析中應用廣泛。接下來，我們將學習如何使用熱圖來展示資料的相關性和矩陣資料。